SlideShare una empresa de Scribd logo
PROGRAMA DE BIG DATA Y
BUSINESS INTELLIGENCE
Big Data: the Management Revolution
Alex Rayón Jerez
alex.rayon@deusto.es
@alrayon
Febrero, 2016. Madrid.
2
Fuente: http://www.amazon.es/dp/1118965833/ref=asc_df_111896583332101237/?tag=googshopes-
21&creative=24538&creativeASIN=1118965833&linkCode=df0&hvdev=c&hvnetw=g&hvqmt=
3
4
5
Índice de contenidos
●Clarificando conceptos
●Impacto Big Data
●Dirección estratégica basada en datos
●Tratamiento y gestión de datos
●Implantación sistema Big Data
6
Índice de contenidos
●Clarificando conceptos
●Impacto Big Data
●Dirección estratégica basada en datos
●Tratamiento y gestión de datos
●Implantación sistema Big Data
7
Clarificando conceptos
Las 5 V’s del Big Data
Fuente: http://www.dreamstime.com/stock-photography-big-data-v-words-image35236832
8
Clarificando conceptos
Data Science
Fuente: http://www.slideshare.net/TechnetFrance/rec201-mstechdaysfinal130213033305phpapp02-19779391
9
Clarificando conceptos
Drivers of Big Data
10
Clarificando conceptos
Economía digital
● La sociedad se ha tecnificado, y estamos cada
vez más interconectados
○ Se habla de las redes sociales
● A eso unámosle que el coste computacional es
cada vez menor
○ Menor coste de producción
● Cada vez se están digitalizando más procesos y
actividades de nuestro día a día
○ Generaremos cada vez más datos
11
Clarificando conceptos
Economía digital (II)
En la actividad digital, todo
genera un dato
Tarjetas de crédito
Teléfonos móviles
Redes sociales
Proveedores de Internet
Tarjeta de fidelización de
mercado
...
Fuente: http://www.privacidadlogica.es/2012/05/31/modelo-de-informe-sobre-sistema-de-control-horario-basado-en-huella-digital/
12
Fuente: http://www3.weforum.org/docs/WEF_ITTC_PersonalDataNewAsset_Report_2011.pdf
Clarificando conceptos
Economía digital (III)
13
Fuente: http://www.theguardian.com/news/datablog/2014/apr/22/how-much-is-personal-data-worth
Clarificando conceptos
Economía digital (IV)
14
Clarificando conceptos
Big Data vs. Business Intelligence
Business Intelligence
Big Data
15
Clarificando conceptos
Big Data vs. Business Intelligence (II)
●No obtiene respuestas
quién posee los datos, sino
quien sabe hacer las
preguntas
●Una disciplina que tiene un
objetivo a medio plazo
o La herramienta de la estrategia
y de la dirección
o Busca dar respuestas a
preguntas concretas y
formuladas a priori analizando
datos
Fuente: http://www.xiskya.com/2012/12/21/una-pregunta-poderosa-por-favor/
16
Clarificando conceptos
Big Data vs. Business Intelligence (III)
●Por contra, Big Data, básicamente consiste en
analizar masivamente datos "a ver si sale algo"
●Esto último tiene problemas obvios
o Me pueden salir correlaciones o relaciones espúreas o sin
fundamento ni sentido (si analizamos la aparición del
cambio climático y la desaparición de los piratas, la
correlación es muy alta, y su sentido ninguno)
o Un campo que permite aprovechar el dato a corto plazo
buscando patrones, inferencias, etc., entre los datos, sin
ningún objetivo a priori concreto
17
Clarificando conceptos
Big Data vs. Business Intelligence (IV)
18
Clarificando conceptos
Business Intelligence
En 1989, Howard Dresner, un investigador
de Gartner Group, popularizó el acrónimo
de BI (Business Intelligence) para indicar
“El conjunto de conceptos y métodos para
mejorar la toma de decisiones en los
negocios, utilizando sistemas de apoyo
basado en hechos”
19
Índice de contenidos
●Clarificando conceptos
●Impacto Big Data
●Dirección estratégica basada en datos
●Tratamiento y gestión de datos
●Implantación sistema Big Data
20
Impacto Big Data
El impacto en los negocios
● Los beneficios que una empresa puede obtener
son claros:
○ Conocimiento de sus clientes, mercados, productos, etc,
○ Redundando esto en nuevos mercados, nuevos
segmentos
○ Alineamiento de la empresa a los clientes
○ ...
● En definitiva nuevos ingresos y ahorros
21
Impacto Big Data
El impacto en los negocios (II)
Oportunidades que se enmarcan en la era de la
personalización y especialización que demanda un
cliente exigente e informado
Fuente: http://www.luxortec.com/blog/camino-a-una-estrategia-centrada-en-el-cliente/
22
Impacto Big Data
El impacto en los negocios (III)
● La oportunidad de explotar el dato aparece
cuando muchas empresas se dan cuenta que
tienen muchos datos en diferentes sistemas y
archivos (ERP, CRM, hojas de cálculo, redes
sociales, etc), y no lo explotan
● Y aquí el principal problema está en que no hay
una "explotación cerrada"
○ Es decir, no hay un conjunto de utilidades o preguntas
tipo
○ Hay tantos enfoques prácticamente como empresas
23
1) Ganar más dinero
2) Evitar perderlo
3) Optimizar procesos
Impacto Big Data
El impacto en los negocios (IV)
24
Impacto Big Data
Casos reales
25
Impacto Big Data
Casos reales (II)
26
Impacto Big Data
Casos reales (III)
27
Impacto Big Data
Casos reales (IV)
28
Impacto Big Data
Maturity model
Fuente: https://www.gartner.com/doc/713210
29
Impacto Big Data
Business Intelligence vs. Business Analytics
30
Impacto Big Data
Business Intelligence vs. Business Analytics (II)
Fuente: http://i.ytimg.com/vi/oNNk9-tmsZY/hqdefault.jpg
Fuente: https://wiki.smu.edu.sg/is101_2012/Week_12_(G3)
3131
●Estudiar datos tiene dos objetivos principales
o Informar
§ ¿Qué ha ocurrido?
o Predecir
§ ¿Qué podría ocurrir?
Hoy
Business Analytics
Predecir
Business Intelligence
Informar
Impacto Big Data
Business Intelligence vs. Business Analytics (III)
32
Modelo EFQM de Excelencia
Fuente: http://www.tqm.es/TQM/ModEur/ModeloEuropeo.htm
Impacto Big Data
Procesos funcionales de aplicación
33
Índice de contenidos
●Clarificando conceptos
●Impacto Big Data
●Dirección estratégica basada en datos
●Tratamiento y gestión de datos
●Implantación sistema Big Data
34
Dirección estratégica
Data-Driven Organization
Roadmap to Data-Driven Organization advantage
Fuente: http://www.ibmbigdatahub.com/blog/observations-transformations-and-conversations-ibm-chief-data-officer-summit
35
Dirección estratégica
Data-Driven Organization (II)
36
Dirección estratégica
Data-Driven Organization (III)
Fuente: http://www.forbes.com/sites/piyankajain/2012/06/22/what-is-your-organizations-analytics-maturity/#55ada95c58f2
37
Dirección estratégica
Data-Driven Organization (IV)
El riesgo estratégico
causa el 68% de
disminución de la
capitalización de
mercado
38
Dirección estratégica
¿Qué es la Dirección Estratégica basada en datos?
●Habitualmente, las decisiones operativas y
tácticas, son muchas y pequeñas, con datos
suficientes a priori sobre los cuales construir
una base de conocimientos
●La decisiones estratégicas, en cambio, son
generalmente poco frecuentes, cada una de gran
valor, con pocos datos formales de decisiones
previas similares y que requieren conocimientos
de negocios y el balance de las compensaciones
39
Dirección estratégica
¿Qué es la Dirección Estratégica basada en datos? (II)
●Debilidades
o El proceso de obtener información relevante
o El proceso de reutilización del conocimiento existente y
el evitar el problema de inventar continuamente
o El proceso de tomar buenas decisiones rápidamente
§ Es decir, ni tomar malas decisiones rápidamente ni
tomar decisión en absoluto
o Habiendo tomado una decisión, el proceso de convertir
la decisión en acción
§ Es lo que se llama la prescripción, fin último de un
proyecto Big Data
40
Dirección estratégica
Diagnóstico e indicadores
41
Dirección estratégica
Toma de decisiones
●La toma de
decisión implica
o Comprender bien
los factores claves
de la decisión y
cómo éstos afectan
a la decisión
o Solo procesar la
información
relevante para la
decisión
Fuente: http://eprojectingenieria.com/doc/PresentTema7.pdf
42
Dirección estratégica
Evidence-Based Management
43
Dirección estratégica
Evidence-Based Management (II)
“Trasladar los principios
basados en la mejor
evidencia, a las prácticas
organizacionales”
44
Dirección estratégica
Evidence-Based Management (III)
Es muy similar, en su esencia, al ciclo de
aprendizaje o de solución de problemas,
repetido por numerosos autores bajo distintos
esquemas
Ciclo de Shewhart o de Deming
Ciclo de aprendizaje de Kolb
etc.
Consiste en:
Planteamiento de un problema
La selección de la o las mejores soluciones
La aplicación de las mismas
45
Dirección estratégica
Evidence-Based Management (IV)
Aprender acerca de las conexiones causa-efecto en
las prácticas profesionales
Establecimiento de metas y capacidad cognitiva
Aislar las variaciones que afectan los resultados
deseados de manera sensible
El número de metas puede importar
Cultura de toma de decisiones basada en
evidencias
46
Dirección estratégica
Evidence-Based Management (V)
Construcción de apoyos de decisión para promover
prácticas que soporten la evidencia
Por ejemplo, especificidad, margen de tiempo para las
metas
Compartir información común para reducir el
sobre-uso, el bajo uso y el mal uso de prácticas
organizacionales y administrativas
47
Dirección estratégica
Evidence-Based Management (VI)
Hay áreas específicas donde la administración
basada en evidencias puede ayudar a superar
creencias ampliamente sostenidas, pero que no
cuentan con el suficiente sustento empírico:
Liderazgo, la estrategia, el cambio, el talento, los incentivos
financieros y una vida laboral balanceada.
Estos mismos autores han creado, además, su
propio sitio web:
www.evidence-basedmanagement.com
48
Dirección estratégica
Evidence-Based Management (VII)
Cinco principios de la ABE
1. Enfrente los “hechos duros” y construya una cultura en la cual se
aliente a las personas a decir la verdad, aunque ésta no sea
agradable
2. Comprométase con la toma de decisiones basada en hechos, lo que
significa comprometerse a obtener la mejor evidencia posible y
utilizarla como guía para las acciones
3. Trate su organización como un prototipo, inconcluso aliente la
experimentación y el aprendizaje activo
4. Vigile los riesgos y los inconvenientes en lo que la gente recomienda,
incluso la mejor medicina tiene sus efectos colaterales
5. Evite basar las decisiones en creencias fuertemente sostenidas pero
no probadas, en lo que hizo en el pasado o en el Benchmarking no
crítico de lo que hacen los ganadores
49
Dirección estratégica
Evidence-Based Management (VIII)
Fuente: Las etapas del modelo de Sackett et al.
50
Dirección estratégica
Evidence-Based Management (IX)
51
Dirección estratégica
Evidence-Based Management (X)
52
Dirección estratégica
Evidence-Based Management (XI)
53
Dirección estratégica
Simulador
Fuente: http://home.ubalt.edu/ntsbarsh/Business-stat/stat-data/Forecast.htm y http://home.ubalt.edu/ntsbarsh/stat-
data/Javastat.htm
54
Dirección estratégica
Simulador
55
Índice de contenidos
●Clarificando conceptos
●Impacto Big Data
●Dirección estratégica basada en datos
●Tratamiento y gestión de datos
●Implantación sistema Big Data
56
Tratamiento y gestión datos
Pirámide informacional
Fuente: http://mundotrading.net/2014/05/01/hoy-tenemos-mucha-informacion-pero-somos-mas-cultos/
57
●El dato por si solo nos aporta poco…
o 2.000 visitantes únicos en mi tienda online
o 1.000 nuevos usuarios en mi aplicación
o 10% nuevos clientes en mi exposición
o 24 conversiones de las campañas de captación
o 3.000 € de incremento del tamaño de la transacción
media de ticket de compra
o ...
Tratamiento y gestión datos
Del dato...
58
Falta contexto → circunstancias
Fecha
Dispositivo/canal
Geolocalización
Fuente
Tendencia/Perspectiva
...
Tratamiento y gestión datos
Del dato… (II)
59
El dato puesto en valor → inteligencia de negocio
Tratamiento y gestión datos
… al conocimiento
Fuente: http://www.esan.edu.pe/conexion/actualidad/2013/04/12/inteligencia-negocios-empresa/
60
Tratamiento y gestión datos
Fuentes de datos
Source: http://www.bigdata-startups.com/BigData-startup/understanding-sources-big-data-infographic/
61
Tratamiento y gestión datos
Clasificación
Source: http://www.slideshare.net/microlife/bigdata-cloudcomputingvietstack
62
Tratamiento y gestión datos
Resolución de problemas
Problemas
Predictivos
(supervisados)
Descriptivos
(no supervisados)
Clasificación
Regresión
Análisis correlacional
Agrupamiento
Reglas asociación
63
Tratamiento y gestión datos
Resolución de problemas (II)
64
Tratamiento y gestión datos
La puesta en valor del dato
Datos Analíticas Puesta en valor
Modelo predictivo de previsión de compras: eficiencia transporte, ahorro portes, evitar roturas stock, etc.
Modelo predictivo de ventas: sugerencia compras, etc.
Rutas óptimas según cargas, productos y zona: en base a pedidos, etc.
Product clustering: incluso, personalización.
Análisis de compras
...“Sensores” para la
captura de datos
Real Time
→ Conocer estado producto en
tiempo real, avisar ruptura stock,
etc.
Marketing
→ Segmentación clientes
Business Intelligence
→ Dashboard hot spots
→ Alertas variaciones (clientes,
productos, zonas, etc.)
→ Detección mermas, robos, etc.
65
Tratamiento y gestión datos
1) Ganar más dinero
Marketing intelligence
La idea es analizar la parte más
transaccional (de compra - venta)
con las acciones de marketing
Con este dúo, sacamos acciones
de marketing con objetivos,
personalizado e hipersegmentado
Fuente: http://www.boats.com/boat-content/2010/page/152/
66
Tratamiento y gestión datos
1) Ganar más dinero (II)
●Se trata de analizar los datos:
o Contextuales de una compra → momento, lugar,
composición de la cesta de la compra
o Lo enmarcamos en perspectiva → frecuencia, tiempo
entre última compra, etc.
o Analizamos el cliente → si lo hace con tarjeta de
fidelización, edad y perfil sociodemográfico, si viene
incentivado por un descuento, etc.
o Y el canal por el que entra → online -tienda online,
landing page, redes sociales, etc- u offline
●… y preguntarnos cosas como...
67
Tratamiento y gestión datos
1) Ganar más dinero (III)
Segmento y perfil de cliente que más compra a una
hora determinada y en un lugar concreto
Fuente: http://es.slideshare.net/Elife2009/perfil-del-consumidor-de-bebidas-alcohlicas-en-mxico
68
Tratamiento y gestión datos
1) Ganar más dinero (IV)
Quién (influenciadores) o qué (drivers de compra)
influye más en la decisión de compra de un cliente
→ drivers
Fuente: http://www.marketing4food.com/la-distribucion-espanola-y-su-comprador-razones-para-elegir-una-ensena/
69
Tratamiento y gestión datos
1) Ganar más dinero (V)
Qué relación de
productos permite
modelizar el perfil
de cliente
Fuente: http://www.elmundodeladc.com/cual-es-tu-perfil-online/
70
Tratamiento y gestión datos
1) Ganar más dinero (VI)
¿Cuál es la estructura de mi marca?
Fuente: http://www.scielo.org.co/scielo.php?pid=S0120-48232007000200008&script=sci_arttext
71
Tratamiento y gestión datos
1) Ganar más dinero (VII)
Reglas de asociación de
productos como "Si
compra foie, también
adquiere vino crianza", y
así enfocar el cross-selling
o up-selling en tienda o en
promociones, product
placement, gestión de
inventarios, etc.
Expresión de la forma
X → Y
{pañales} → {cerveza}
{cerveza} → {pañales}
{pan, leche} → {huevos}
{pan} → {leche, huevos}
Fuente: http://noticias.buscopisocasa.com/category/alimentacion-2/
72
Tratamiento y gestión datos
1) Ganar más dinero (VIII)
MROI: Marketing Return on Investment
McKinsey review: “An integrated analytics approach could save up to 15-20% total budget”
Source: http://www.thecmosite.com/author.asp?section_id=1137&doc_id=234474
73
Tratamiento y gestión datos
1) Ganar más dinero (IX)
Clusterizar clientes y productos
Source: http://inside-bigdata.com/2013/12/18/tech-tip-power-pitfalls-clustering/
Source: http://www.cs.bilkent.edu.tr/~saksoy/research.html
74
Tratamiento y gestión datos
1) Ganar más dinero (X)
¿Cómo están relacionados mis clientes?
Análisis de Redes Sociales (ARS)
Source: http://rs.resalliance.org/2010/11/03/reading-list-using-social-network-analysis-sna-in-social-ecological-studies/
75
Tratamiento y gestión datos
2) Evitar perderlo
● En segundo lugar, las
empresas también
queremos evitar perder
clientes
● Ya conocemos el famoso
mantra de la importancia
que tiene mantener
clientes por el coste que
tiene adquirir nuevos
o Y esto es más posible que
nunca gracias al análisis
masivo de datos
Fuente: http://javiermegias.com/blog/2012/04/el-motor-de-tu-modelo-de-negocio-coste-de-adquisicion-y-valor-del-
cliente/
76
Tratamiento y gestión datos
2) Evitar perderlo (II)
Perfil de fuga de cliente
Fuente: http://idata.com.co/
77
Tratamiento y gestión datos
2) Evitar perderlo (III)
Fuente: http://tristanelosegui.com/2011/02/27/el-embudo-de-fidelizacion-como-herramienta-para-optimizar-campanas/
¿Cómo generar lealtad y preferencia hacia mi
producto?
78
Tratamiento y gestión datos
2) Evitar perderlo (IV)
Customer Experience
Fuente: https://www.karelgeenen.nl/15/hoe-kan-de-customer-journey-jou-helpen-bij-je-online-strategie/
79
Tratamiento y gestión datos
2) Evitar perderlo (V)
Lead generation, Nurturing and Scoring
Fuente: http://www.responsewise.com/email-marketing/use-lead-scoring-nurturing-to-plug-sales-funnel-leaks/
80
Fuente: http://my-inner-voice.blogspot.com/2011/08/net-promoter-score-for-four-cloud-iaas.html
Tratamiento y gestión datos
2) Evitar perderlo (VI)
81
Fuente: http://www.slideshare.net/saurabhsawhney/customer-experience-management-cem
Tratamiento y gestión datos
2) Evitar perderlo (VII)
82
●Recency
o Cuán reciente es la última compra del cliente
●Frequency
o Con cuánta frecuencia compra el cliente
●Monetary
o Cuánto gasta el cliente
●Esta técnica de análisis está basada en el axioma
de marketing de que el 80% del negocio procede
del 20% de los clientes
Tratamiento y gestión datos
2) Evitar perderlo (VIII)
83
Fuente: http://www.emailmonday.com/customer-lifetime-value-calculation-email-marketing
Tratamiento y gestión datos
2) Evitar perderlo (IX)
84
Tratamiento y gestión datos
3) Optimizar procesos
Creación de
modelos
que
permitan
ahorrar
esfuerzo
económico
en
diferentes
procesos
Fuente:
http://www.indiana.edu/~hmathmod/modelmodel.html
Mathematical models
+
Statistical methods
85
Tratamiento y gestión datos
3) Optimizar procesos (II)
●Supongamos la logística o la gestión de una
central de compras
●Si yo integro todas las transacciones de compras,
y analizo frecuencia, proveedores, descuentos,
etc., podemos hacer un modelo que nos
seleccione en tiempo real el mejor proveedor o
distribuidor por descuentos que viene haciendo
históricamente, considerando lo que ahora
quiera comprar
86
Índice de contenidos
●Clarificando conceptos
●Impacto Big Data
●Tratamiento y gestión de datos
●Implantación sistema Big Data
87
Implantación
Esquema general
88
Gartner's Magic Quadrant for Business Intelligence and Analytics Platforms
Implantación
¿Soluciones?
89
Implantación
Cuadros de mando analíticos
Fuente: http://www.bi-spain.com/articulos.php?id_seccion=146&opinion=0&esenciales=0
90
Implantación
Cuadros de mando analíticos (II)
●Visual
o Recursos gráficos de forma inteligente
●Todo en una hoja
o Concentrar y llamar la atención
●Solo factores clave
o Ir al grano y enfocar el análisis → optimización
●Contener ideas y comentarios
o Identificar oportunidades y problemas
91
Visualización de la inteligencia en BI
Fuente: https://public.tableau.com/s/gallery/diversity-post-secondary-education-us
Implantación
Cuadros de mando analíticos (III)
Bibliografía
92
Bock, W. (s/f). Evidence-based Management has Issues.
http://blog.threestarleadership.com/2007/08/25/evidencebased-management-
has-issues.aspx
Edelberg, G. (2000). “Evidence-based Management”, en INCAE.
http://www.guillermoedelberg.com.ar/pdf/117.pdf
García del Junco, J. y Casanueva Rocha, C. (2000). “Administración basada en la
evidencia (ABE): una nueva herramienta para el directivo”, en Dirección y
Organización (D-O), núm. 24, pp. 21-29. Universidad Politécnica de Madrid.
Pariente Fragoso, J. L. (noviembre, 2008). “Gestión basada en evidencias. ¿Una
nueva moda administrativa?”. Conferencia inaugural de la III Cátedra Nacional de
Contaduría y Administración Agustín Reyes Ponce. UASLP.
Rousseau, D. M. (2006). “Is There Such a thing as Evidence-based Management?”, en
Academy of Management Review, vol. 31, núm. 2, pp. 256–269.
Whitehurst, G. (s/f). “Evidence Based Education”.
http://www.ed.gov/offices/OERI/presentations/evidencebase.html
Online course: http://www.aryng.com/Online-Analytics-Training/DTD102-Business-
Impact-Through-Analytics.html
Copyright (c) 2016 University of Deusto
This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative
Commons “Attribution-ShareAlike” License. To view a copy of this license, visit
http://creativecommons.org/licenses/by-sa/3.0/
Alex Rayón Jerez
Febrero 2016
PROGRAMA DE BIG DATA Y
BUSINESS INTELLIGENCE
Big Data: the Management Revolution
Alex Rayón Jerez
alex.rayon@deusto.es
@alrayon
Febrero, 2016. Madrid.

Más contenido relacionado

La actualidad más candente

Introducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business IntelligenceIntroducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business Intelligence
Alex Rayón Jerez
 
Cómo optimizar mi estrategia de marketing a través del big data
Cómo optimizar mi estrategia de marketing a través del big dataCómo optimizar mi estrategia de marketing a través del big data
Cómo optimizar mi estrategia de marketing a través del big data
Alex Rayón Jerez
 
Marketing intelligence: Optimizando la estrategia a través del Big Data
Marketing intelligence: Optimizando la estrategia a través del Big DataMarketing intelligence: Optimizando la estrategia a través del Big Data
Marketing intelligence: Optimizando la estrategia a través del Big Data
Alex Rayón Jerez
 
La economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidadesLa economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidades
Alex Rayón Jerez
 
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Alex Rayón Jerez
 
Herramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructuradosHerramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructurados
Alex Rayón Jerez
 
Customer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big DataCustomer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big Data
Alex Rayón Jerez
 
Análisis y procesamiento de datos para descubrir conocimiento
Análisis y procesamiento de datos para descubrir conocimientoAnálisis y procesamiento de datos para descubrir conocimiento
Análisis y procesamiento de datos para descubrir conocimiento
Alex Rayón Jerez
 
El Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligenceEl Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligence
Alex Rayón Jerez
 
Mejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big DataMejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big Data
Alex Rayón Jerez
 
Ciclo de vida del dato en ambientes de Business Intelligence
Ciclo de vida del dato en ambientes de Business IntelligenceCiclo de vida del dato en ambientes de Business Intelligence
Ciclo de vida del dato en ambientes de Business Intelligence
Alex Rayón Jerez
 
El scoring bancario en los tiempos del Big Data
El scoring bancario en los tiempos del Big DataEl scoring bancario en los tiempos del Big Data
El scoring bancario en los tiempos del Big Data
Universidad de Deusto - Deustuko Unibertsitatea - University of Deusto
 
Digital Marketing and Big Data Webinar
Digital Marketing and Big Data Webinar Digital Marketing and Big Data Webinar
Digital Marketing and Big Data Webinar
Granada Giménez-Vacas
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
Cripox Consultores
 
Curso verano upv_2013_eustat_overalia_guillermo_vilarroig
Curso verano upv_2013_eustat_overalia_guillermo_vilarroigCurso verano upv_2013_eustat_overalia_guillermo_vilarroig
Curso verano upv_2013_eustat_overalia_guillermo_vilarroig
Overalia
 
Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
	Estrategias omnicanal para la mejora de los procesos de comunicación y marke...	Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
Big-Data-Summit
 
Casos prácticos en la vida de un profesional del BI
Casos prácticos en la vida de un profesional del BICasos prácticos en la vida de un profesional del BI
Casos prácticos en la vida de un profesional del BI
UOC Sede de Madrid
 
Sistemas de apoyo a las decisiones de marketing
Sistemas de apoyo a las decisiones de marketingSistemas de apoyo a las decisiones de marketing
Sistemas de apoyo a las decisiones de marketing
Alberto Jimenez
 
Big Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesBig Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidades
Juan Quispe Culqui
 
Clase 1, 2 y 3 inteligencia comercial
Clase 1, 2 y 3  inteligencia comercialClase 1, 2 y 3  inteligencia comercial
Clase 1, 2 y 3 inteligencia comercial
09765625
 

La actualidad más candente (20)

Introducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business IntelligenceIntroducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business Intelligence
 
Cómo optimizar mi estrategia de marketing a través del big data
Cómo optimizar mi estrategia de marketing a través del big dataCómo optimizar mi estrategia de marketing a través del big data
Cómo optimizar mi estrategia de marketing a través del big data
 
Marketing intelligence: Optimizando la estrategia a través del Big Data
Marketing intelligence: Optimizando la estrategia a través del Big DataMarketing intelligence: Optimizando la estrategia a través del Big Data
Marketing intelligence: Optimizando la estrategia a través del Big Data
 
La economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidadesLa economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidades
 
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
 
Herramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructuradosHerramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructurados
 
Customer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big DataCustomer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big Data
 
Análisis y procesamiento de datos para descubrir conocimiento
Análisis y procesamiento de datos para descubrir conocimientoAnálisis y procesamiento de datos para descubrir conocimiento
Análisis y procesamiento de datos para descubrir conocimiento
 
El Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligenceEl Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligence
 
Mejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big DataMejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big Data
 
Ciclo de vida del dato en ambientes de Business Intelligence
Ciclo de vida del dato en ambientes de Business IntelligenceCiclo de vida del dato en ambientes de Business Intelligence
Ciclo de vida del dato en ambientes de Business Intelligence
 
El scoring bancario en los tiempos del Big Data
El scoring bancario en los tiempos del Big DataEl scoring bancario en los tiempos del Big Data
El scoring bancario en los tiempos del Big Data
 
Digital Marketing and Big Data Webinar
Digital Marketing and Big Data Webinar Digital Marketing and Big Data Webinar
Digital Marketing and Big Data Webinar
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Curso verano upv_2013_eustat_overalia_guillermo_vilarroig
Curso verano upv_2013_eustat_overalia_guillermo_vilarroigCurso verano upv_2013_eustat_overalia_guillermo_vilarroig
Curso verano upv_2013_eustat_overalia_guillermo_vilarroig
 
Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
	Estrategias omnicanal para la mejora de los procesos de comunicación y marke...	Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
Estrategias omnicanal para la mejora de los procesos de comunicación y marke...
 
Casos prácticos en la vida de un profesional del BI
Casos prácticos en la vida de un profesional del BICasos prácticos en la vida de un profesional del BI
Casos prácticos en la vida de un profesional del BI
 
Sistemas de apoyo a las decisiones de marketing
Sistemas de apoyo a las decisiones de marketingSistemas de apoyo a las decisiones de marketing
Sistemas de apoyo a las decisiones de marketing
 
Big Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidadesBig Data en salud: Un mundo de posibilidades
Big Data en salud: Un mundo de posibilidades
 
Clase 1, 2 y 3 inteligencia comercial
Clase 1, 2 y 3  inteligencia comercialClase 1, 2 y 3  inteligencia comercial
Clase 1, 2 y 3 inteligencia comercial
 

Destacado

Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
MongoDB
 
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Alex Rayón Jerez
 
Introducción al software libre y open source
Introducción al software libre y open sourceIntroducción al software libre y open source
Introducción al software libre y open source
Jorge Ulises Useche Cuellar
 
Fomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas socialesFomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas sociales
Alex Rayón Jerez
 
Enterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoftEnterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoft
MongoDB
 
Búsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizajeBúsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizaje
Alex Rayón Jerez
 
El Big Data en mi empresa ¿de qué me sirve?
El Big Data en mi empresa  ¿de qué me sirve?El Big Data en mi empresa  ¿de qué me sirve?
El Big Data en mi empresa ¿de qué me sirve?
Alex Rayón Jerez
 
Las competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricasLas competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricas
Alex Rayón Jerez
 
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Alex Rayón Jerez
 
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAnálisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
Alex Rayón Jerez
 

Destacado (10)

Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
 
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
 
Introducción al software libre y open source
Introducción al software libre y open sourceIntroducción al software libre y open source
Introducción al software libre y open source
 
Fomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas socialesFomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas sociales
 
Enterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoftEnterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoft
 
Búsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizajeBúsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizaje
 
El Big Data en mi empresa ¿de qué me sirve?
El Big Data en mi empresa  ¿de qué me sirve?El Big Data en mi empresa  ¿de qué me sirve?
El Big Data en mi empresa ¿de qué me sirve?
 
Las competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricasLas competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricas
 
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
 
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAnálisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
 

Similar a Big Data: the Management Revolution

Big_Data
Big_DataBig_Data
Big_Data
Marcos Cabrera
 
Introducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business IntelligenceIntroducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business Intelligence
Alex Rayón Jerez
 
Inteligencia de mercados
Inteligencia de mercadosInteligencia de mercados
Inteligencia de mercados
gtecnologia396
 
Evaluable final de Analítica de Datos
Evaluable final de Analítica de DatosEvaluable final de Analítica de Datos
Evaluable final de Analítica de Datos
unitecluisserrano
 
Del Business Intelligence al Big Data
Del Business Intelligence al Big DataDel Business Intelligence al Big Data
Del Business Intelligence al Big Data
DMC Perú
 
PLANIFICACIÓN ESTRATÉGICA EMPRENDIMIENTO.pptx
PLANIFICACIÓN ESTRATÉGICA       EMPRENDIMIENTO.pptxPLANIFICACIÓN ESTRATÉGICA       EMPRENDIMIENTO.pptx
PLANIFICACIÓN ESTRATÉGICA EMPRENDIMIENTO.pptx
Scarlett25038
 
Contexto académico nacional e internacional de la Gestión de Proyectos a nive...
Contexto académico nacional e internacional de la Gestión de Proyectos a nive...Contexto académico nacional e internacional de la Gestión de Proyectos a nive...
Contexto académico nacional e internacional de la Gestión de Proyectos a nive...
RedRITA
 
S02 ti3031 ss
S02 ti3031 ssS02 ti3031 ss
S02 ti3031 ss
Jorge Ramírez
 
Actividad de aprendizaje 8
Actividad de aprendizaje 8Actividad de aprendizaje 8
Actividad de aprendizaje 8
MaxQD
 
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptx
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptxSesión 1- Inteligencia de Negocios como herramienta empresarial pptx
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptx
nelsoncotrinagarca
 
Business inteligence
Business inteligenceBusiness inteligence
Business inteligence
Edgardo Rivera
 
La Planeación Estratégica y sus proyectos (Ajustes necesarios para la Transfo...
La Planeación Estratégica y sus proyectos (Ajustes necesarios para la Transfo...La Planeación Estratégica y sus proyectos (Ajustes necesarios para la Transfo...
La Planeación Estratégica y sus proyectos (Ajustes necesarios para la Transfo...
PMI Capítulo México
 
Entregable final analitica
Entregable final analiticaEntregable final analitica
Entregable final analitica
Taniizhiita DoOw
 
Plan estrategico ti
Plan estrategico tiPlan estrategico ti
Plan estrategico ti
gmofm
 
Ponencia Ismael Caballero desayuno AFSM
Ponencia Ismael Caballero desayuno AFSMPonencia Ismael Caballero desayuno AFSM
Ponencia Ismael Caballero desayuno AFSM
Data Quality Team SL
 
T-ESPE-048286-D.pptx
T-ESPE-048286-D.pptxT-ESPE-048286-D.pptx
T-ESPE-048286-D.pptx
DannyXavierArvaloAve
 
BIG DATA: la búsqueda de valor
BIG DATA: la búsqueda de valorBIG DATA: la búsqueda de valor
BIG DATA: la búsqueda de valor
Alberto Guerrero
 
guia definitiva_inteligencia_empresarial
guia definitiva_inteligencia_empresarialguia definitiva_inteligencia_empresarial
guia definitiva_inteligencia_empresarial
Felipe Zamora
 
Tema 3.3 introduccion al data science
Tema 3.3 introduccion al data scienceTema 3.3 introduccion al data science
Tema 3.3 introduccion al data science
Mauricio Arancibia
 
PMO Innovación por Data Analytics
PMO Innovación por Data AnalyticsPMO Innovación por Data Analytics
PMO Innovación por Data Analytics
PMOfficers PMOAcademy
 

Similar a Big Data: the Management Revolution (20)

Big_Data
Big_DataBig_Data
Big_Data
 
Introducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business IntelligenceIntroducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business Intelligence
 
Inteligencia de mercados
Inteligencia de mercadosInteligencia de mercados
Inteligencia de mercados
 
Evaluable final de Analítica de Datos
Evaluable final de Analítica de DatosEvaluable final de Analítica de Datos
Evaluable final de Analítica de Datos
 
Del Business Intelligence al Big Data
Del Business Intelligence al Big DataDel Business Intelligence al Big Data
Del Business Intelligence al Big Data
 
PLANIFICACIÓN ESTRATÉGICA EMPRENDIMIENTO.pptx
PLANIFICACIÓN ESTRATÉGICA       EMPRENDIMIENTO.pptxPLANIFICACIÓN ESTRATÉGICA       EMPRENDIMIENTO.pptx
PLANIFICACIÓN ESTRATÉGICA EMPRENDIMIENTO.pptx
 
Contexto académico nacional e internacional de la Gestión de Proyectos a nive...
Contexto académico nacional e internacional de la Gestión de Proyectos a nive...Contexto académico nacional e internacional de la Gestión de Proyectos a nive...
Contexto académico nacional e internacional de la Gestión de Proyectos a nive...
 
S02 ti3031 ss
S02 ti3031 ssS02 ti3031 ss
S02 ti3031 ss
 
Actividad de aprendizaje 8
Actividad de aprendizaje 8Actividad de aprendizaje 8
Actividad de aprendizaje 8
 
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptx
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptxSesión 1- Inteligencia de Negocios como herramienta empresarial pptx
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptx
 
Business inteligence
Business inteligenceBusiness inteligence
Business inteligence
 
La Planeación Estratégica y sus proyectos (Ajustes necesarios para la Transfo...
La Planeación Estratégica y sus proyectos (Ajustes necesarios para la Transfo...La Planeación Estratégica y sus proyectos (Ajustes necesarios para la Transfo...
La Planeación Estratégica y sus proyectos (Ajustes necesarios para la Transfo...
 
Entregable final analitica
Entregable final analiticaEntregable final analitica
Entregable final analitica
 
Plan estrategico ti
Plan estrategico tiPlan estrategico ti
Plan estrategico ti
 
Ponencia Ismael Caballero desayuno AFSM
Ponencia Ismael Caballero desayuno AFSMPonencia Ismael Caballero desayuno AFSM
Ponencia Ismael Caballero desayuno AFSM
 
T-ESPE-048286-D.pptx
T-ESPE-048286-D.pptxT-ESPE-048286-D.pptx
T-ESPE-048286-D.pptx
 
BIG DATA: la búsqueda de valor
BIG DATA: la búsqueda de valorBIG DATA: la búsqueda de valor
BIG DATA: la búsqueda de valor
 
guia definitiva_inteligencia_empresarial
guia definitiva_inteligencia_empresarialguia definitiva_inteligencia_empresarial
guia definitiva_inteligencia_empresarial
 
Tema 3.3 introduccion al data science
Tema 3.3 introduccion al data scienceTema 3.3 introduccion al data science
Tema 3.3 introduccion al data science
 
PMO Innovación por Data Analytics
PMO Innovación por Data AnalyticsPMO Innovación por Data Analytics
PMO Innovación por Data Analytics
 

Más de Alex Rayón Jerez

El poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero éticaEl poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero ética
Alex Rayón Jerez
 
Profesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoyProfesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoy
Alex Rayón Jerez
 
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Alex Rayón Jerez
 
Visual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualizaciónVisual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualización
Alex Rayón Jerez
 
Yo como persona emprendedora
Yo como persona emprendedoraYo como persona emprendedora
Yo como persona emprendedora
Alex Rayón Jerez
 
La transformación digital del sector financiero
La transformación digital del sector financieroLa transformación digital del sector financiero
La transformación digital del sector financiero
Alex Rayón Jerez
 
Marketing digital para la captación de más clientes
Marketing digital para la captación de más clientesMarketing digital para la captación de más clientes
Marketing digital para la captación de más clientes
Alex Rayón Jerez
 
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Alex Rayón Jerez
 

Más de Alex Rayón Jerez (8)

El poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero éticaEl poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero ética
 
Profesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoyProfesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoy
 
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
 
Visual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualizaciónVisual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualización
 
Yo como persona emprendedora
Yo como persona emprendedoraYo como persona emprendedora
Yo como persona emprendedora
 
La transformación digital del sector financiero
La transformación digital del sector financieroLa transformación digital del sector financiero
La transformación digital del sector financiero
 
Marketing digital para la captación de más clientes
Marketing digital para la captación de más clientesMarketing digital para la captación de más clientes
Marketing digital para la captación de más clientes
 
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
 

Último

planificación diaria trastorno del lenguaje.docx
planificación diaria trastorno del lenguaje.docxplanificación diaria trastorno del lenguaje.docx
planificación diaria trastorno del lenguaje.docx
Elsa71869
 
Maikell-Victor-Quimica-2024-Volume-2.pdf
Maikell-Victor-Quimica-2024-Volume-2.pdfMaikell-Victor-Quimica-2024-Volume-2.pdf
Maikell-Victor-Quimica-2024-Volume-2.pdf
DevinsideSolutions
 
Clasificación de los animales vertebrados
Clasificación de los animales vertebradosClasificación de los animales vertebrados
Clasificación de los animales vertebrados
DianaLopez859290
 
Módulo de lectoescritura para primer grado
Módulo de lectoescritura para primer gradoMódulo de lectoescritura para primer grado
Módulo de lectoescritura para primer grado
marilynfloresyomona1
 
Leyes de los gases según Boyle-Marriote, Charles, Gay- Lussac, Ley general de...
Leyes de los gases según Boyle-Marriote, Charles, Gay- Lussac, Ley general de...Leyes de los gases según Boyle-Marriote, Charles, Gay- Lussac, Ley general de...
Leyes de los gases según Boyle-Marriote, Charles, Gay- Lussac, Ley general de...
Shirley Vásquez Esparza
 
CENTRO DE INTERES CIENCIAS NATURALES .pdf
CENTRO DE INTERES  CIENCIAS NATURALES .pdfCENTRO DE INTERES  CIENCIAS NATURALES .pdf
CENTRO DE INTERES CIENCIAS NATURALES .pdf
juliozarza1
 
El Reino vegetal por Daphne Martinez 11 oct.
El Reino vegetal por Daphne Martinez 11 oct.El Reino vegetal por Daphne Martinez 11 oct.
El Reino vegetal por Daphne Martinez 11 oct.
daphnemartinez2004
 
modulo de sistema educativo peruano 2024
modulo de sistema educativo peruano 2024modulo de sistema educativo peruano 2024
modulo de sistema educativo peruano 2024
RubnTAIPEHAQQUEHUA1
 
Calidad de vida laboral - Ética y Responsabilidad Social Empresarial
Calidad de vida laboral - Ética y Responsabilidad Social EmpresarialCalidad de vida laboral - Ética y Responsabilidad Social Empresarial
Calidad de vida laboral - Ética y Responsabilidad Social Empresarial
JonathanCovena1
 
PPT: Los acontecimientos finales de la tierra
PPT: Los acontecimientos finales de la tierraPPT: Los acontecimientos finales de la tierra
PPT: Los acontecimientos finales de la tierra
https://gramadal.wordpress.com/
 
Elmer crizologo rojas.pdf aplicaciones en internet
Elmer crizologo rojas.pdf aplicaciones en internetElmer crizologo rojas.pdf aplicaciones en internet
Elmer crizologo rojas.pdf aplicaciones en internet
Elmer Crizologo Rojas
 
Ejercicios propuestos (if , switch).docx
Ejercicios propuestos (if , switch).docxEjercicios propuestos (if , switch).docx
Ejercicios propuestos (if , switch).docx
sebastianjacome1808
 
Presentación sector la arenita_paijan pptx
Presentación sector la arenita_paijan pptxPresentación sector la arenita_paijan pptx
Presentación sector la arenita_paijan pptx
Aracely Natalia Lopez Talavera
 
UESJLS Robótica Clase 16 - vr.vex.com - Unidades 1 a 4 - Evaluación
UESJLS Robótica Clase 16 - vr.vex.com - Unidades 1 a 4 - EvaluaciónUESJLS Robótica Clase 16 - vr.vex.com - Unidades 1 a 4 - Evaluación
UESJLS Robótica Clase 16 - vr.vex.com - Unidades 1 a 4 - Evaluación
Docente Informático
 
Programación de la XI semana cultural del CEIP Alfares
Programación de la XI semana cultural del CEIP AlfaresProgramación de la XI semana cultural del CEIP Alfares
Programación de la XI semana cultural del CEIP Alfares
Alfaresbilingual
 
DIPLOMA Teachers For Future junio2024.pdf
DIPLOMA Teachers For Future junio2024.pdfDIPLOMA Teachers For Future junio2024.pdf
DIPLOMA Teachers For Future junio2024.pdf
Alfaresbilingual
 
CUADRO COMPARATIVO Aylen.docx............
CUADRO COMPARATIVO Aylen.docx............CUADRO COMPARATIVO Aylen.docx............
CUADRO COMPARATIVO Aylen.docx............
LuanaJaime1
 
UESJLS Robótica Clase 18 - Escenarios de Vex - Polígonos
UESJLS Robótica Clase 18 - Escenarios de Vex - PolígonosUESJLS Robótica Clase 18 - Escenarios de Vex - Polígonos
UESJLS Robótica Clase 18 - Escenarios de Vex - Polígonos
Docente Informático
 
USO DEL MODELO DE CAPAS TCP/IP Y MODELO OSI
USO DEL MODELO DE CAPAS TCP/IP Y MODELO OSIUSO DEL MODELO DE CAPAS TCP/IP Y MODELO OSI
USO DEL MODELO DE CAPAS TCP/IP Y MODELO OSI
J Martin Luzon
 
Marketing responsable - Ética y Responsabilidad Social Empresarial
Marketing responsable - Ética y Responsabilidad Social EmpresarialMarketing responsable - Ética y Responsabilidad Social Empresarial
Marketing responsable - Ética y Responsabilidad Social Empresarial
JonathanCovena1
 

Último (20)

planificación diaria trastorno del lenguaje.docx
planificación diaria trastorno del lenguaje.docxplanificación diaria trastorno del lenguaje.docx
planificación diaria trastorno del lenguaje.docx
 
Maikell-Victor-Quimica-2024-Volume-2.pdf
Maikell-Victor-Quimica-2024-Volume-2.pdfMaikell-Victor-Quimica-2024-Volume-2.pdf
Maikell-Victor-Quimica-2024-Volume-2.pdf
 
Clasificación de los animales vertebrados
Clasificación de los animales vertebradosClasificación de los animales vertebrados
Clasificación de los animales vertebrados
 
Módulo de lectoescritura para primer grado
Módulo de lectoescritura para primer gradoMódulo de lectoescritura para primer grado
Módulo de lectoescritura para primer grado
 
Leyes de los gases según Boyle-Marriote, Charles, Gay- Lussac, Ley general de...
Leyes de los gases según Boyle-Marriote, Charles, Gay- Lussac, Ley general de...Leyes de los gases según Boyle-Marriote, Charles, Gay- Lussac, Ley general de...
Leyes de los gases según Boyle-Marriote, Charles, Gay- Lussac, Ley general de...
 
CENTRO DE INTERES CIENCIAS NATURALES .pdf
CENTRO DE INTERES  CIENCIAS NATURALES .pdfCENTRO DE INTERES  CIENCIAS NATURALES .pdf
CENTRO DE INTERES CIENCIAS NATURALES .pdf
 
El Reino vegetal por Daphne Martinez 11 oct.
El Reino vegetal por Daphne Martinez 11 oct.El Reino vegetal por Daphne Martinez 11 oct.
El Reino vegetal por Daphne Martinez 11 oct.
 
modulo de sistema educativo peruano 2024
modulo de sistema educativo peruano 2024modulo de sistema educativo peruano 2024
modulo de sistema educativo peruano 2024
 
Calidad de vida laboral - Ética y Responsabilidad Social Empresarial
Calidad de vida laboral - Ética y Responsabilidad Social EmpresarialCalidad de vida laboral - Ética y Responsabilidad Social Empresarial
Calidad de vida laboral - Ética y Responsabilidad Social Empresarial
 
PPT: Los acontecimientos finales de la tierra
PPT: Los acontecimientos finales de la tierraPPT: Los acontecimientos finales de la tierra
PPT: Los acontecimientos finales de la tierra
 
Elmer crizologo rojas.pdf aplicaciones en internet
Elmer crizologo rojas.pdf aplicaciones en internetElmer crizologo rojas.pdf aplicaciones en internet
Elmer crizologo rojas.pdf aplicaciones en internet
 
Ejercicios propuestos (if , switch).docx
Ejercicios propuestos (if , switch).docxEjercicios propuestos (if , switch).docx
Ejercicios propuestos (if , switch).docx
 
Presentación sector la arenita_paijan pptx
Presentación sector la arenita_paijan pptxPresentación sector la arenita_paijan pptx
Presentación sector la arenita_paijan pptx
 
UESJLS Robótica Clase 16 - vr.vex.com - Unidades 1 a 4 - Evaluación
UESJLS Robótica Clase 16 - vr.vex.com - Unidades 1 a 4 - EvaluaciónUESJLS Robótica Clase 16 - vr.vex.com - Unidades 1 a 4 - Evaluación
UESJLS Robótica Clase 16 - vr.vex.com - Unidades 1 a 4 - Evaluación
 
Programación de la XI semana cultural del CEIP Alfares
Programación de la XI semana cultural del CEIP AlfaresProgramación de la XI semana cultural del CEIP Alfares
Programación de la XI semana cultural del CEIP Alfares
 
DIPLOMA Teachers For Future junio2024.pdf
DIPLOMA Teachers For Future junio2024.pdfDIPLOMA Teachers For Future junio2024.pdf
DIPLOMA Teachers For Future junio2024.pdf
 
CUADRO COMPARATIVO Aylen.docx............
CUADRO COMPARATIVO Aylen.docx............CUADRO COMPARATIVO Aylen.docx............
CUADRO COMPARATIVO Aylen.docx............
 
UESJLS Robótica Clase 18 - Escenarios de Vex - Polígonos
UESJLS Robótica Clase 18 - Escenarios de Vex - PolígonosUESJLS Robótica Clase 18 - Escenarios de Vex - Polígonos
UESJLS Robótica Clase 18 - Escenarios de Vex - Polígonos
 
USO DEL MODELO DE CAPAS TCP/IP Y MODELO OSI
USO DEL MODELO DE CAPAS TCP/IP Y MODELO OSIUSO DEL MODELO DE CAPAS TCP/IP Y MODELO OSI
USO DEL MODELO DE CAPAS TCP/IP Y MODELO OSI
 
Marketing responsable - Ética y Responsabilidad Social Empresarial
Marketing responsable - Ética y Responsabilidad Social EmpresarialMarketing responsable - Ética y Responsabilidad Social Empresarial
Marketing responsable - Ética y Responsabilidad Social Empresarial
 

Big Data: the Management Revolution

  • 1. PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE Big Data: the Management Revolution Alex Rayón Jerez alex.rayon@deusto.es @alrayon Febrero, 2016. Madrid.
  • 3. 3
  • 4. 4
  • 5. 5 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  • 6. 6 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  • 7. 7 Clarificando conceptos Las 5 V’s del Big Data Fuente: http://www.dreamstime.com/stock-photography-big-data-v-words-image35236832
  • 8. 8 Clarificando conceptos Data Science Fuente: http://www.slideshare.net/TechnetFrance/rec201-mstechdaysfinal130213033305phpapp02-19779391
  • 10. 10 Clarificando conceptos Economía digital ● La sociedad se ha tecnificado, y estamos cada vez más interconectados ○ Se habla de las redes sociales ● A eso unámosle que el coste computacional es cada vez menor ○ Menor coste de producción ● Cada vez se están digitalizando más procesos y actividades de nuestro día a día ○ Generaremos cada vez más datos
  • 11. 11 Clarificando conceptos Economía digital (II) En la actividad digital, todo genera un dato Tarjetas de crédito Teléfonos móviles Redes sociales Proveedores de Internet Tarjeta de fidelización de mercado ... Fuente: http://www.privacidadlogica.es/2012/05/31/modelo-de-informe-sobre-sistema-de-control-horario-basado-en-huella-digital/
  • 14. 14 Clarificando conceptos Big Data vs. Business Intelligence Business Intelligence Big Data
  • 15. 15 Clarificando conceptos Big Data vs. Business Intelligence (II) ●No obtiene respuestas quién posee los datos, sino quien sabe hacer las preguntas ●Una disciplina que tiene un objetivo a medio plazo o La herramienta de la estrategia y de la dirección o Busca dar respuestas a preguntas concretas y formuladas a priori analizando datos Fuente: http://www.xiskya.com/2012/12/21/una-pregunta-poderosa-por-favor/
  • 16. 16 Clarificando conceptos Big Data vs. Business Intelligence (III) ●Por contra, Big Data, básicamente consiste en analizar masivamente datos "a ver si sale algo" ●Esto último tiene problemas obvios o Me pueden salir correlaciones o relaciones espúreas o sin fundamento ni sentido (si analizamos la aparición del cambio climático y la desaparición de los piratas, la correlación es muy alta, y su sentido ninguno) o Un campo que permite aprovechar el dato a corto plazo buscando patrones, inferencias, etc., entre los datos, sin ningún objetivo a priori concreto
  • 17. 17 Clarificando conceptos Big Data vs. Business Intelligence (IV)
  • 18. 18 Clarificando conceptos Business Intelligence En 1989, Howard Dresner, un investigador de Gartner Group, popularizó el acrónimo de BI (Business Intelligence) para indicar “El conjunto de conceptos y métodos para mejorar la toma de decisiones en los negocios, utilizando sistemas de apoyo basado en hechos”
  • 19. 19 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  • 20. 20 Impacto Big Data El impacto en los negocios ● Los beneficios que una empresa puede obtener son claros: ○ Conocimiento de sus clientes, mercados, productos, etc, ○ Redundando esto en nuevos mercados, nuevos segmentos ○ Alineamiento de la empresa a los clientes ○ ... ● En definitiva nuevos ingresos y ahorros
  • 21. 21 Impacto Big Data El impacto en los negocios (II) Oportunidades que se enmarcan en la era de la personalización y especialización que demanda un cliente exigente e informado Fuente: http://www.luxortec.com/blog/camino-a-una-estrategia-centrada-en-el-cliente/
  • 22. 22 Impacto Big Data El impacto en los negocios (III) ● La oportunidad de explotar el dato aparece cuando muchas empresas se dan cuenta que tienen muchos datos en diferentes sistemas y archivos (ERP, CRM, hojas de cálculo, redes sociales, etc), y no lo explotan ● Y aquí el principal problema está en que no hay una "explotación cerrada" ○ Es decir, no hay un conjunto de utilidades o preguntas tipo ○ Hay tantos enfoques prácticamente como empresas
  • 23. 23 1) Ganar más dinero 2) Evitar perderlo 3) Optimizar procesos Impacto Big Data El impacto en los negocios (IV)
  • 28. 28 Impacto Big Data Maturity model Fuente: https://www.gartner.com/doc/713210
  • 29. 29 Impacto Big Data Business Intelligence vs. Business Analytics
  • 30. 30 Impacto Big Data Business Intelligence vs. Business Analytics (II) Fuente: http://i.ytimg.com/vi/oNNk9-tmsZY/hqdefault.jpg Fuente: https://wiki.smu.edu.sg/is101_2012/Week_12_(G3)
  • 31. 3131 ●Estudiar datos tiene dos objetivos principales o Informar § ¿Qué ha ocurrido? o Predecir § ¿Qué podría ocurrir? Hoy Business Analytics Predecir Business Intelligence Informar Impacto Big Data Business Intelligence vs. Business Analytics (III)
  • 32. 32 Modelo EFQM de Excelencia Fuente: http://www.tqm.es/TQM/ModEur/ModeloEuropeo.htm Impacto Big Data Procesos funcionales de aplicación
  • 33. 33 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  • 34. 34 Dirección estratégica Data-Driven Organization Roadmap to Data-Driven Organization advantage Fuente: http://www.ibmbigdatahub.com/blog/observations-transformations-and-conversations-ibm-chief-data-officer-summit
  • 36. 36 Dirección estratégica Data-Driven Organization (III) Fuente: http://www.forbes.com/sites/piyankajain/2012/06/22/what-is-your-organizations-analytics-maturity/#55ada95c58f2
  • 37. 37 Dirección estratégica Data-Driven Organization (IV) El riesgo estratégico causa el 68% de disminución de la capitalización de mercado
  • 38. 38 Dirección estratégica ¿Qué es la Dirección Estratégica basada en datos? ●Habitualmente, las decisiones operativas y tácticas, son muchas y pequeñas, con datos suficientes a priori sobre los cuales construir una base de conocimientos ●La decisiones estratégicas, en cambio, son generalmente poco frecuentes, cada una de gran valor, con pocos datos formales de decisiones previas similares y que requieren conocimientos de negocios y el balance de las compensaciones
  • 39. 39 Dirección estratégica ¿Qué es la Dirección Estratégica basada en datos? (II) ●Debilidades o El proceso de obtener información relevante o El proceso de reutilización del conocimiento existente y el evitar el problema de inventar continuamente o El proceso de tomar buenas decisiones rápidamente § Es decir, ni tomar malas decisiones rápidamente ni tomar decisión en absoluto o Habiendo tomado una decisión, el proceso de convertir la decisión en acción § Es lo que se llama la prescripción, fin último de un proyecto Big Data
  • 41. 41 Dirección estratégica Toma de decisiones ●La toma de decisión implica o Comprender bien los factores claves de la decisión y cómo éstos afectan a la decisión o Solo procesar la información relevante para la decisión Fuente: http://eprojectingenieria.com/doc/PresentTema7.pdf
  • 43. 43 Dirección estratégica Evidence-Based Management (II) “Trasladar los principios basados en la mejor evidencia, a las prácticas organizacionales”
  • 44. 44 Dirección estratégica Evidence-Based Management (III) Es muy similar, en su esencia, al ciclo de aprendizaje o de solución de problemas, repetido por numerosos autores bajo distintos esquemas Ciclo de Shewhart o de Deming Ciclo de aprendizaje de Kolb etc. Consiste en: Planteamiento de un problema La selección de la o las mejores soluciones La aplicación de las mismas
  • 45. 45 Dirección estratégica Evidence-Based Management (IV) Aprender acerca de las conexiones causa-efecto en las prácticas profesionales Establecimiento de metas y capacidad cognitiva Aislar las variaciones que afectan los resultados deseados de manera sensible El número de metas puede importar Cultura de toma de decisiones basada en evidencias
  • 46. 46 Dirección estratégica Evidence-Based Management (V) Construcción de apoyos de decisión para promover prácticas que soporten la evidencia Por ejemplo, especificidad, margen de tiempo para las metas Compartir información común para reducir el sobre-uso, el bajo uso y el mal uso de prácticas organizacionales y administrativas
  • 47. 47 Dirección estratégica Evidence-Based Management (VI) Hay áreas específicas donde la administración basada en evidencias puede ayudar a superar creencias ampliamente sostenidas, pero que no cuentan con el suficiente sustento empírico: Liderazgo, la estrategia, el cambio, el talento, los incentivos financieros y una vida laboral balanceada. Estos mismos autores han creado, además, su propio sitio web: www.evidence-basedmanagement.com
  • 48. 48 Dirección estratégica Evidence-Based Management (VII) Cinco principios de la ABE 1. Enfrente los “hechos duros” y construya una cultura en la cual se aliente a las personas a decir la verdad, aunque ésta no sea agradable 2. Comprométase con la toma de decisiones basada en hechos, lo que significa comprometerse a obtener la mejor evidencia posible y utilizarla como guía para las acciones 3. Trate su organización como un prototipo, inconcluso aliente la experimentación y el aprendizaje activo 4. Vigile los riesgos y los inconvenientes en lo que la gente recomienda, incluso la mejor medicina tiene sus efectos colaterales 5. Evite basar las decisiones en creencias fuertemente sostenidas pero no probadas, en lo que hizo en el pasado o en el Benchmarking no crítico de lo que hacen los ganadores
  • 49. 49 Dirección estratégica Evidence-Based Management (VIII) Fuente: Las etapas del modelo de Sackett et al.
  • 55. 55 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  • 56. 56 Tratamiento y gestión datos Pirámide informacional Fuente: http://mundotrading.net/2014/05/01/hoy-tenemos-mucha-informacion-pero-somos-mas-cultos/
  • 57. 57 ●El dato por si solo nos aporta poco… o 2.000 visitantes únicos en mi tienda online o 1.000 nuevos usuarios en mi aplicación o 10% nuevos clientes en mi exposición o 24 conversiones de las campañas de captación o 3.000 € de incremento del tamaño de la transacción media de ticket de compra o ... Tratamiento y gestión datos Del dato...
  • 58. 58 Falta contexto → circunstancias Fecha Dispositivo/canal Geolocalización Fuente Tendencia/Perspectiva ... Tratamiento y gestión datos Del dato… (II)
  • 59. 59 El dato puesto en valor → inteligencia de negocio Tratamiento y gestión datos … al conocimiento Fuente: http://www.esan.edu.pe/conexion/actualidad/2013/04/12/inteligencia-negocios-empresa/
  • 60. 60 Tratamiento y gestión datos Fuentes de datos Source: http://www.bigdata-startups.com/BigData-startup/understanding-sources-big-data-infographic/
  • 61. 61 Tratamiento y gestión datos Clasificación Source: http://www.slideshare.net/microlife/bigdata-cloudcomputingvietstack
  • 62. 62 Tratamiento y gestión datos Resolución de problemas Problemas Predictivos (supervisados) Descriptivos (no supervisados) Clasificación Regresión Análisis correlacional Agrupamiento Reglas asociación
  • 63. 63 Tratamiento y gestión datos Resolución de problemas (II)
  • 64. 64 Tratamiento y gestión datos La puesta en valor del dato Datos Analíticas Puesta en valor Modelo predictivo de previsión de compras: eficiencia transporte, ahorro portes, evitar roturas stock, etc. Modelo predictivo de ventas: sugerencia compras, etc. Rutas óptimas según cargas, productos y zona: en base a pedidos, etc. Product clustering: incluso, personalización. Análisis de compras ...“Sensores” para la captura de datos Real Time → Conocer estado producto en tiempo real, avisar ruptura stock, etc. Marketing → Segmentación clientes Business Intelligence → Dashboard hot spots → Alertas variaciones (clientes, productos, zonas, etc.) → Detección mermas, robos, etc.
  • 65. 65 Tratamiento y gestión datos 1) Ganar más dinero Marketing intelligence La idea es analizar la parte más transaccional (de compra - venta) con las acciones de marketing Con este dúo, sacamos acciones de marketing con objetivos, personalizado e hipersegmentado Fuente: http://www.boats.com/boat-content/2010/page/152/
  • 66. 66 Tratamiento y gestión datos 1) Ganar más dinero (II) ●Se trata de analizar los datos: o Contextuales de una compra → momento, lugar, composición de la cesta de la compra o Lo enmarcamos en perspectiva → frecuencia, tiempo entre última compra, etc. o Analizamos el cliente → si lo hace con tarjeta de fidelización, edad y perfil sociodemográfico, si viene incentivado por un descuento, etc. o Y el canal por el que entra → online -tienda online, landing page, redes sociales, etc- u offline ●… y preguntarnos cosas como...
  • 67. 67 Tratamiento y gestión datos 1) Ganar más dinero (III) Segmento y perfil de cliente que más compra a una hora determinada y en un lugar concreto Fuente: http://es.slideshare.net/Elife2009/perfil-del-consumidor-de-bebidas-alcohlicas-en-mxico
  • 68. 68 Tratamiento y gestión datos 1) Ganar más dinero (IV) Quién (influenciadores) o qué (drivers de compra) influye más en la decisión de compra de un cliente → drivers Fuente: http://www.marketing4food.com/la-distribucion-espanola-y-su-comprador-razones-para-elegir-una-ensena/
  • 69. 69 Tratamiento y gestión datos 1) Ganar más dinero (V) Qué relación de productos permite modelizar el perfil de cliente Fuente: http://www.elmundodeladc.com/cual-es-tu-perfil-online/
  • 70. 70 Tratamiento y gestión datos 1) Ganar más dinero (VI) ¿Cuál es la estructura de mi marca? Fuente: http://www.scielo.org.co/scielo.php?pid=S0120-48232007000200008&script=sci_arttext
  • 71. 71 Tratamiento y gestión datos 1) Ganar más dinero (VII) Reglas de asociación de productos como "Si compra foie, también adquiere vino crianza", y así enfocar el cross-selling o up-selling en tienda o en promociones, product placement, gestión de inventarios, etc. Expresión de la forma X → Y {pañales} → {cerveza} {cerveza} → {pañales} {pan, leche} → {huevos} {pan} → {leche, huevos} Fuente: http://noticias.buscopisocasa.com/category/alimentacion-2/
  • 72. 72 Tratamiento y gestión datos 1) Ganar más dinero (VIII) MROI: Marketing Return on Investment McKinsey review: “An integrated analytics approach could save up to 15-20% total budget” Source: http://www.thecmosite.com/author.asp?section_id=1137&doc_id=234474
  • 73. 73 Tratamiento y gestión datos 1) Ganar más dinero (IX) Clusterizar clientes y productos Source: http://inside-bigdata.com/2013/12/18/tech-tip-power-pitfalls-clustering/ Source: http://www.cs.bilkent.edu.tr/~saksoy/research.html
  • 74. 74 Tratamiento y gestión datos 1) Ganar más dinero (X) ¿Cómo están relacionados mis clientes? Análisis de Redes Sociales (ARS) Source: http://rs.resalliance.org/2010/11/03/reading-list-using-social-network-analysis-sna-in-social-ecological-studies/
  • 75. 75 Tratamiento y gestión datos 2) Evitar perderlo ● En segundo lugar, las empresas también queremos evitar perder clientes ● Ya conocemos el famoso mantra de la importancia que tiene mantener clientes por el coste que tiene adquirir nuevos o Y esto es más posible que nunca gracias al análisis masivo de datos Fuente: http://javiermegias.com/blog/2012/04/el-motor-de-tu-modelo-de-negocio-coste-de-adquisicion-y-valor-del- cliente/
  • 76. 76 Tratamiento y gestión datos 2) Evitar perderlo (II) Perfil de fuga de cliente Fuente: http://idata.com.co/
  • 77. 77 Tratamiento y gestión datos 2) Evitar perderlo (III) Fuente: http://tristanelosegui.com/2011/02/27/el-embudo-de-fidelizacion-como-herramienta-para-optimizar-campanas/ ¿Cómo generar lealtad y preferencia hacia mi producto?
  • 78. 78 Tratamiento y gestión datos 2) Evitar perderlo (IV) Customer Experience Fuente: https://www.karelgeenen.nl/15/hoe-kan-de-customer-journey-jou-helpen-bij-je-online-strategie/
  • 79. 79 Tratamiento y gestión datos 2) Evitar perderlo (V) Lead generation, Nurturing and Scoring Fuente: http://www.responsewise.com/email-marketing/use-lead-scoring-nurturing-to-plug-sales-funnel-leaks/
  • 82. 82 ●Recency o Cuán reciente es la última compra del cliente ●Frequency o Con cuánta frecuencia compra el cliente ●Monetary o Cuánto gasta el cliente ●Esta técnica de análisis está basada en el axioma de marketing de que el 80% del negocio procede del 20% de los clientes Tratamiento y gestión datos 2) Evitar perderlo (VIII)
  • 84. 84 Tratamiento y gestión datos 3) Optimizar procesos Creación de modelos que permitan ahorrar esfuerzo económico en diferentes procesos Fuente: http://www.indiana.edu/~hmathmod/modelmodel.html Mathematical models + Statistical methods
  • 85. 85 Tratamiento y gestión datos 3) Optimizar procesos (II) ●Supongamos la logística o la gestión de una central de compras ●Si yo integro todas las transacciones de compras, y analizo frecuencia, proveedores, descuentos, etc., podemos hacer un modelo que nos seleccione en tiempo real el mejor proveedor o distribuidor por descuentos que viene haciendo históricamente, considerando lo que ahora quiera comprar
  • 86. 86 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  • 88. 88 Gartner's Magic Quadrant for Business Intelligence and Analytics Platforms Implantación ¿Soluciones?
  • 89. 89 Implantación Cuadros de mando analíticos Fuente: http://www.bi-spain.com/articulos.php?id_seccion=146&opinion=0&esenciales=0
  • 90. 90 Implantación Cuadros de mando analíticos (II) ●Visual o Recursos gráficos de forma inteligente ●Todo en una hoja o Concentrar y llamar la atención ●Solo factores clave o Ir al grano y enfocar el análisis → optimización ●Contener ideas y comentarios o Identificar oportunidades y problemas
  • 91. 91 Visualización de la inteligencia en BI Fuente: https://public.tableau.com/s/gallery/diversity-post-secondary-education-us Implantación Cuadros de mando analíticos (III)
  • 92. Bibliografía 92 Bock, W. (s/f). Evidence-based Management has Issues. http://blog.threestarleadership.com/2007/08/25/evidencebased-management- has-issues.aspx Edelberg, G. (2000). “Evidence-based Management”, en INCAE. http://www.guillermoedelberg.com.ar/pdf/117.pdf García del Junco, J. y Casanueva Rocha, C. (2000). “Administración basada en la evidencia (ABE): una nueva herramienta para el directivo”, en Dirección y Organización (D-O), núm. 24, pp. 21-29. Universidad Politécnica de Madrid. Pariente Fragoso, J. L. (noviembre, 2008). “Gestión basada en evidencias. ¿Una nueva moda administrativa?”. Conferencia inaugural de la III Cátedra Nacional de Contaduría y Administración Agustín Reyes Ponce. UASLP. Rousseau, D. M. (2006). “Is There Such a thing as Evidence-based Management?”, en Academy of Management Review, vol. 31, núm. 2, pp. 256–269. Whitehurst, G. (s/f). “Evidence Based Education”. http://www.ed.gov/offices/OERI/presentations/evidencebase.html Online course: http://www.aryng.com/Online-Analytics-Training/DTD102-Business- Impact-Through-Analytics.html
  • 93. Copyright (c) 2016 University of Deusto This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative Commons “Attribution-ShareAlike” License. To view a copy of this license, visit http://creativecommons.org/licenses/by-sa/3.0/ Alex Rayón Jerez Febrero 2016
  • 94. PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE Big Data: the Management Revolution Alex Rayón Jerez alex.rayon@deusto.es @alrayon Febrero, 2016. Madrid.